Red Hot Cyber
Sicurezza Informatica, Notizie su Cybercrime, Analisi Vulnerabilità e Intelligenza Artificiale
Alibaba rafforza la propria leadership nell'Intelligenza Artificiale open-weight con Qwen3.8-27B, un modello capace di competere con sistemi molto più grandi e di superare Meta Muse Glimmer e Anthropic Claude Opus in numerosi benchmark. Ottimizzato anche per l'esecuzione locale, offre prestazioni elevate nello sviluppo software, nella ricerca e nelle attività complesse riducendo drasticamente i requisiti hardware.
All’inizio di agosto, Alibaba ha presentato un modello aggiornato di intelligenza artificiale dal nome Qwen3.8-Max con 2,4 trilioni di parametri, di cui 95 miliardi rimangono attivi. Questo modello, progettato per funzionare nell’infrastruttura cloud, inizialmente poteva essere testato solo su QwenCloud, ma poi l’azienda ha reso pubblici i suoi pesi per tutti. E successivamente hanno rilasciato Qwen3.8-27B con 27 miliardi di parametri, anche se l’esecuzione è per PC e workstation di una certa potenza.
Alibaba si è affermata come leader nell’intelligenza artificiale open-weight, ottenendo risultati alla pari con le startup DeepSeek e Moonshot. Un’altro attore dei modelli open-weight è l’americana Meta, che la settimana scorsa ha rilasciato il modello Glimmer con una dimensione di 30 miliardi di parametri, abbastanza compatto da funzionare su un PC. Alibaba ha ricordato al colosso dei social media che il mercato è molto competitivo. Il modello Qwen3.8-27B, afferma lo sviluppatore, ha “capacità eccellenti” nel lavorare con compiti di codice, ricerca e altre attività co contesto. La qualità delle risposte dichiarate corrisponde a modelli di dimensioni dieci volte più grandi. E questo è stato confermato dai test pubblicati da Alibaba: Qwen3.8-27B ha ottenuto risultati migliori del Meta Muse Glimmer 30B e migliore, dell’AI chiusa di Anthropic Opus 4.6, rilasciato a febbraio.
Il modello originale a virgola mobile a 32 bit (FP32) richiede risorse significative: almeno 108 GB di memoria video e circa 120 GB di spazio su disco per la cache KV. La quantizzazione del modello fino a FP16 consente di eseguirlo su apparecchiature con 64 GB di memoria video, e la versione quantizzata ancora più compatta Q5_K_M costa 22 GB di memoria – può già essere eseguita sulle schede video di punta AMD Radeon 7900 XTX e Nvidia GeForce RTX 3090 (Ti), 4090 e 5090. È disponibile anche un’opzione con pesi NVFP4, ottimizzata per Nvidia Blackwell unità di calcolo e in esecuzione con soli 16 GB di memoria.
Nell’ambito dei test, Qwen3.8-27B nelle varianti Q8_0 e NVFP4 è stato lanciato nell’ambiente Llama.cpp su una scheda video professionale Nvidia RTX Pro 6000 Blackwell. I modelli avevano il compito di sviluppare un’API REST completa per un sistema di gestione dell’inventario con controllo utente e autorizzazione basata sui ruoli, senza porre alcuna domanda di follow-up. La versione quantizzata di NVFP4, che consumava metà della memoria di Q8_0, non ha mostrato alcuna riduzione notevole nella precisione o nella qualità della risposta.
Qwen3.8-27B ha scritto codice di alta qualità: si è compilato al primo tentativo e ha supportato tutte le funzioni richieste. La qualità del progetto si è rivelata indistinguibile dai risultati di Anthropic Claude. Il modello Alibaba ha tenuto conto di aspetti speciali non menzionati nel compito, ha trovato duplicati nel proprio codice durante il lavoro ed ha effettuato il refactoring in modo indipendente. C’era una certa tendenza a pensare troppo ai problemi semplici e il modello è diventato un po’ ossessionato dai dettagli, con il risultato di sprecare tempo e token aggiuntivi. Sebbene questo comportamento possa essere regolato nelle impostazioni.
I modelli di intelligenza artificiale eseguiti su risorse locali presentano vantaggi rispetto ai modelli cloud. Non è necessario iscriversi e trasferire i dati personali a fornitori di terze parti. Non ci sono restrizioni inerenti ai modelli chiusi di Anthropic e OpenAI. Anche Qwen presenta alcune limitazioni, ma poco dopo il rilascio della versione originale, su Hugging Face sono apparse versioni derivate in cui queste limitazioni sono state in gran parte rimosse.
Betti RHC, la prima graphic novel al mondo dedicata alla cybersecurity awareness, ha finalmente il suo sito ufficiale. Uno spazio tutto suo dove scoprire il progetto, sfogliare le copertine degli episodi e immergersi nel mondo di Betti: la giovane laureanda in informatica che, dopo la morte misteriosa del padre, si trasforma nell'hacker più potente del mondo. Una storia avvincente che, episodio dopo episodio, affronta una minaccia digitale diversa — dal phishing al ransomware, fino al cyberbullismo — e insegna a riconoscerla e a difendersi, senza che sembri mai una lezione.
Sul sito trovate tutto ciò che rende Betti un progetto diverso dal solito: la sua filosofia, le anteprime delle tavole e il racconto di come nasce ogni volume. Perché dietro Betti RHC c'è solo lavoro umano: ogni tavola è disegnata interamente a mano dagli artisti del Gruppo Arte di Red Hot Cyber, senza alcun uso di intelligenza artificiale. E a garantire che ogni storia sia realistica e tecnicamente corretta c'è la supervisione degli hacker etici del gruppo HackerHood, che mantengono il racconto fedele al mondo reale della sicurezza informatica.
C'è spazio anche per le aziende, che possono usare Betti come strumento di awareness diverso dai soliti corsi: acquistare i volumi, personalizzarli con il proprio brand o sponsorizzare nuovi episodi. E come primo regalo, l'episodio "Byte the Silence", dedicato al cyberbullismo, è scaricabile gratuitamente per uso personale.
Perché la miglior difesa, in fondo, è una bella storia. 👉 Scopri tutto su https://betti.redhotcyber.com/